用于特征选择的 Shapley 值：优点、缺陷与公理
机器学习
2021-02-23 v1 人工智能
机器学习
摘要
Shapley 值在可解释人工智能（XAI）文献中已变得流行，很大程度上归功于其坚实的理论基础，包括可转移效用博弈中归因的四条“有利且公平”的公理。Shapley 值被证明是满足这些公理的唯一解概念。本文介绍 Shapley 值并提请注意其近期作为特征选择工具的使用。我们利用简单抽象的“玩具”反例质疑这种 Shapley 值的使用，说明这些公理可能违背特征选择的目标。由此我们发展出若干洞见，并在具体模拟设定中加以研究，涉及多种 Shapley 值表述，包括 SHapley Additive exPlanations（SHAP）与 Shapley Additive Global importancE（SAGE）。
引用
@article{arxiv.2102.10936,
title = {Shapley values for feature selection: The good, the bad, and the axioms},
author = {Daniel Fryer and Inga Strümke and Hien Nguyen},
journal= {arXiv preprint arXiv:2102.10936},
year = {2021}
}
备注
8 pages, 5 figures